مقياس مؤشر التشابه الهيكلي

📅 آخر تحديث: ٢٨ يوليو ٢٠٢٦
✍️ نُشر في: ٢٨ يوليو ٢٠٢٦
📷 يحتوي على 32 صور
الموسوعة الحرة

يُعدّ مؤشر التشابه الهيكلي ( SSIM ) طريقةً للتنبؤ بالجودة المُدرَكة للصور الرقمية التلفزيونية والسينمائية، بالإضافة إلى أنواع أخرى من الصور والفيديوهات الرقمية. كما يُستخدم لقياس التشابه بين صورتين. يُعتبر مؤشر SSIM مقياسًا مرجعيًا كاملًا ؛ بمعنى آخر، يعتمد قياس جودة الصورة أو التنبؤ بها على صورة أولية غير مضغوطة أو خالية من التشوه كمرجع.

يُعدّ SSIM نموذجًا قائمًا على الإدراك ، يأخذ في الاعتبار تدهور الصورة كتغير مُدرَك في المعلومات الهيكلية، مع دمج ظواهر إدراكية مهمة، بما في ذلك كلٌّ من إخفاء الإضاءة وإخفاء التباين . وهذا ما يُميّزه عن تقنيات أخرى مثل متوسط ​​مربع الخطأ (MSE) أو نسبة ذروة الإشارة إلى الضوضاء (PSNR) التي تُقدّر الأخطاء المطلقة. تُشير المعلومات الهيكلية إلى وجود ترابط قوي بين البكسلات، خاصةً عندما تكون متقاربة مكانيًا. تحمل هذه الترابطات معلومات مهمة حول بنية الأجسام في المشهد المرئي. إخفاء الإضاءة ظاهرةٌ تُصبح فيها تشوهات الصورة (في هذا السياق) أقل وضوحًا في المناطق الساطعة، بينما إخفاء التباين ظاهرةٌ تُصبح فيها التشوهات أقل وضوحًا في المناطق ذات النشاط أو "النسيج" الملحوظ في الصورة.

تاريخ

كان يُطلق على سلف مؤشر SSIM اسم مؤشر الجودة العالمي (UQI)، أو مؤشر وانغ-بوفيك ، والذي طوّره تشو وانغ وآلان بوفيك عام 2001. وقد تطوّر هذا المؤشر، من خلال تعاونهما مع حامد شيخ وإيرو سيمونسيلي ، إلى النسخة الحالية من SSIM، والتي نُشرت في أبريل 2004 في مجلة IEEE Transactions on Image Processing . [ 1 ] بالإضافة إلى تعريف مؤشر جودة SSIM، تُقدّم هذه الورقة سياقًا عامًا لتطوير وتقييم مقاييس الجودة الإدراكية، بما في ذلك الروابط بعلم الأعصاب البصري البشري والإدراك، والتحقق المباشر من صحة المؤشر من خلال تقييمات المشاركين البشريين.

طُوّر النموذج الأساسي في مختبر هندسة الصور والفيديو (LIVE) بجامعة تكساس في أوستن ، ثم طُوّر لاحقًا بالتعاون مع مختبر الرؤية الحاسوبية (LCV) بجامعة نيويورك . كما طُوّرت نسخ أخرى من النموذج في مختبر الحوسبة المرئية والصور بجامعة واترلو، وطُرحت في الأسواق.

حظي نموذج SSIM لاحقًا بانتشار واسع في أوساط معالجة الصور، وفي صناعات التلفزيون ووسائل التواصل الاجتماعي. وقد استُشهد بورقة SSIM المنشورة عام 2004 أكثر من 50,000 مرة وفقًا لجوجل سكولار ، [ 2 ] مما يجعلها من بين أكثر الأوراق البحثية استشهادًا في مجالي معالجة الصور وهندسة الفيديو. وقد نالت جائزة أفضل ورقة بحثية من جمعية معالجة الإشارات التابعة لمعهد مهندسي الكهرباء والإلكترونيات (IEEE) لعام 2009. [ 3 ] كما حازت على جائزة التأثير المستدام من الجمعية نفسها لعام 2016، ما يدل على تأثيرها الاستثنائي لمدة لا تقل عن 10 سنوات بعد نشرها. ونظرًا لانتشارها الواسع في صناعة التلفزيون، مُنح مؤلفو ورقة SSIM الأصلية جائزة إيمي للهندسة في وقت الذروة عام 2015 من أكاديمية التلفزيون .

الخوارزمية

يتم حساب مؤشر SSIM بين نافذتين من قيم البكسلx{\displaystyle x}وy{\displaystyle y}يتم الحصول على قيم مؤشر التشابه الهيكلي (SSIM) من مواقع متناظرة في صورتين مراد مقارنتهما، وذلك من نفس الحجم. ويمكن تجميع هذه القيم عبر الصورتين بالكامل عن طريق حساب المتوسط ​​أو غيره من الطرق.

صيغة الحالة المالية

في حالة خاصة بسيطة، سيتم شرحها بالتفصيل في القسم التالي، مقياس SSIM بينx{\displaystyle x}وy{\displaystyle y}هو: [ 4 ]

SSIM(x،y)=(2μxμy+ج1)(2σxy+ج2)(μx2+μy2+ج1)(σx2+σy2+ج2){\displaystyle {\hbox{SSIM}}(x,y)={\frac {(2\mu _{x}\mu _{y}+c_{1})(2\sigma _{xy}+c_{2})}{(\mu _{x}^{2}+\mu _{y}^{2}+c_{1})(\sigma _{x}^{2}+\sigma _{y}^{2}+c_{2})}}}

مع:

  • μx{\displaystyle \mu _{x}}متوسط ​​عينة البكسل لـx{\displaystyle x}؛
  • μy{\displaystyle \mu _{y}}متوسط ​​عينة البكسل لـy{\displaystyle y}؛
  • σx2{\displaystyle \sigma _{x}^{2}}تباين العينة لـx{\displaystyle x}؛
  • σy2{\displaystyle \sigma _{y}^{2}}تباين العينة لـy{\displaystyle y}؛
  • σxy{\displaystyle \sigma _{xy}}التباين المشترك للعينة لـx{\displaystyle x}وy{\displaystyle y}؛
  • ج1=(ك1L)2{\displaystyle c_{1}=(k_{1}L)^{2}}،ج2=(ك2L)2{\displaystyle c_{2}=(k_{2}L)^{2}}متغيران لتحقيق استقرار القسمة ذات المقام الضعيف؛
  • L{\displaystyle L}النطاق الديناميكي لقيم البكسل (عادةً ما يكون هذا28بأناتs صهـر صأناxهـل-1{\displaystyle 2^{\#bits\ per\ pixel}-1});
  • ك1=0.01{\displaystyle k_{1}=0.01}وك2=0.03{\displaystyle k_{2}=0.03}افتراضياً.

الصيغة العامة والمكونات

تعتمد صيغة SSIM على ثلاثة قياسات مقارنة بين عيناتx{\displaystyle x}وy{\displaystyle y}: الإضاءة (ل{\displaystyle l})، مقابلة (ج{\displaystyle c}والبنية (s{\displaystyle s}). وظائف المقارنة الفردية هي: [ 4 ]

ل(x،y)=2μxμy+ج1μx2+μy2+ج1{\displaystyle l(x,y)={\frac {2\mu _{x}\mu _{y}+c_{1}}{\mu _{x}^{2}+\mu _{y}^{2}+c_{1}}}}

ج(x،y)=2σxσy+ج2σx2+σy2+ج2{\displaystyle c(x,y)={\frac {2\sigma _{x}\sigma _{y}+c_{2}}{\sigma _{x}^{2}+\sigma _{y}^{2}+c_{2}}}}

s(x،y)=σxy+ج3σxσy+ج3{\displaystyle s(x,y)={\frac {\sigma _{xy}+c_{3}}{\sigma _{x}\sigma _{y}+c_{3}}}}

ثم يكون مؤشر SSIM لكل كتلة عبارة عن مزيج مرجح من تلك المقاييس المقارنة:

SSIM(x،y)=ل(x،y)α⋅ج(x،y)β⋅s(x،y)γ{\displaystyle {\text{SSIM}}(x,y)=l(x,y)^{\alpha }\cdot c(x,y)^{\beta }\cdot s(x,y)^{\gamma }}

باختيار ثابت الاستقرار للمقام الثالث على النحو التالي:

  • ج3=ج2/2{\displaystyle c_{3}=c_{2}/2}

يؤدي ذلك إلى تبسيط عند دمج المكونين c و s ذوي الأسس المتساوية (β=γ{\displaystyle \beta =\gamma })، حيث أن بسط c يساوي ضعف مقام s ، مما يؤدي إلى حذف ما يتبقى وهو 2. تحديد الأوزان (الأسس)α،β،γ{\displaystyle \alpha ,\beta ,\gamma }إذا كانت قيمة 1، فيمكن اختزال الصيغة إلى الحالة الخاصة الموضحة أعلاه.

الخصائص الرياضية

يُحقق مؤشر SSIM خاصية عدم التمييز وخصائص التناظر، ولكنه لا يُحقق متباينة المثلث أو خاصية عدم السلبية، وبالتالي فهو ليس دالة مسافة . مع ذلك، في ظل شروط معينة، يُمكن تحويل SSIM إلى مقياس الجذر التربيعي المتوسط ​​المعياري، وهو دالة مسافة. [ 5 ] مربع هذه الدالة ليس محدبًا، ولكنه محدب محليًا وشبه محدب ، [ 5 ] مما يجعل SSIM هدفًا مناسبًا للتحسين.

تطبيق الصيغة

لتقييم جودة الصورة، تُطبق هذه الصيغة عادةً على الإضاءة فقط ، مع إمكانية تطبيقها أيضًا على قيم الألوان (مثل RGB ) أو القيم اللونية (مثل YCbCr ). مؤشر SSIM الناتج هو قيمة عشرية بين -1 و1، حيث يشير 1 إلى تشابه تام، و0 إلى انعدام التشابه، و-1 إلى ترابط عكسي تام. بالنسبة للصورة، يُحسب عادةً باستخدام نافذة غاوسية منزلقة بحجم 11×11 أو نافذة مربعة بحجم 8×8. يمكن تحريك النافذة بكسلًا بكسلًا على الصورة لإنشاء خريطة جودة SSIM لها. في حالة تقييم جودة الفيديو، يقترح المؤلفون [ 6 ] استخدام مجموعة فرعية فقط من النوافذ المتاحة لتقليل تعقيد الحساب.

المتغيرات

SSIM متعدد المقاييس

يُعدّ SSIM متعدد المقاييس (MS-SSIM) شكلاً أكثر تطوراً من SSIM [ 4 ] ، حيث يُجرى على مقاييس متعددة من خلال عملية أخذ عينات فرعية متعددة المراحل، على غرار المعالجة متعددة المقاييس في أنظمة الرؤية المبكرة. وقد أظهرت الدراسات أنه يُؤدي أداءً مماثلاً أو أفضل من SSIM على قواعد بيانات صور وفيديوهات ذاتية مختلفة. [ 4 ] [ 7 ] [ 8 ]

SSIM متعدد المكونات

يُعدّ مؤشر SSIM ثلاثي المكونات (3-SSIM) أحد أشكال مؤشر SSIM الذي يأخذ في الاعتبار قدرة العين البشرية على تمييز الاختلافات بدقة أكبر في المناطق ذات الملمس الخشن أو الحواف مقارنةً بالمناطق الملساء. [ 9 ] يُحسب المقياس الناتج كمتوسط ​​مرجّح لمؤشر SSIM لثلاث فئات من المناطق: الحواف، والملمس الخشن، والمناطق الملساء. ويُقترح ترجيح 0.5 للحواف، و0.25 للمناطق ذات الملمس الخشن والملساء. ويشير الباحثون إلى أن استخدام ترجيح 1/0/0 (أي تجاهل جميع التشوهات باستثناء تشوهات الحواف) يُؤدي إلى نتائج أقرب إلى التقييمات الذاتية. وهذا يُشير إلى أن مناطق الحواف تلعب دورًا رئيسيًا في إدراك جودة الصورة.

قام مؤلفو نموذج 3-SSIM أيضًا بتوسيع النموذج ليشملمؤشر تشابه الصورة الهيكلي رباعي المكونات (4-SSIM). تُقسّم أنواع الحواف إلى حواف محفوظة وحواف متغيرة بناءً على حالة تشوهها. الوزن المقترح هو 0.25 لجميع المكونات الأربعة. [ 10 ]

الاختلاف الهيكلي

يمكن اشتقاق عدم التشابه الهيكلي (DSSIM) من SSIM، على الرغم من أنه لا يشكل دالة مسافة لأن متباينة المثلث لا يتم استيفاؤها بالضرورة.

DSSIM(x،y)=1-SSIM(x،y)2{\displaystyle {\hbox{DSSIM}}(x,y)={\frac {1-{\hbox{SSIM}}(x,y)}{2}}}

مقاييس جودة الفيديو والمتغيرات الزمنية

تجدر الإشارة إلى أن النسخة الأصلية من مؤشر SSIM صُممت لقياس جودة الصور الثابتة، ولا تتضمن أي معايير مرتبطة مباشرةً بالتأثيرات الزمنية للإدراك البشري والحكم البشري. [ 7 ] ومن الممارسات الشائعة حساب متوسط ​​قيمة SSIM لجميع الإطارات في تسلسل الفيديو. مع ذلك، طُوّرت عدة صيغ زمنية لمؤشر SSIM. [ 11 ] [ 6 ] [ 12 ]

تشابه المويجات المعقدة

تم تصميم نسخة تحويل المويجات المعقدة من مؤشر تشابه الصورة الهيكلي (CW-SSIM) لمعالجة مشاكل تغيير حجم الصورة، ونقلها، وتدويرها. فبدلاً من منح الصور التي تعاني من هذه المشاكل درجات منخفضة، يستفيد مؤشر CW-SSIM من تحويل المويجات المعقدة، وبالتالي يُعطي درجات أعلى لهذه الصور. ويُعرَّف مؤشر CW-SSIM كما يلي:

CW-SSIM(جx،جy)=(2∑أنا=1شمال|جx،أنا||جy،أنا|+ك∑أنا=1شمال|جx،أنا|2+∑أنا=1شمال|جy،أنا|2+ك)(2|∑أنا=1شمالجx،أناجy،أنا*|+ك2∑أنا=1شمال|جx،أناجy،أنا*|+ك){\displaystyle {\text{CW-SSIM}}(c_{x},c_{y})={\bigg (}{\frac {2\sum _{i=1}^{N}|c_{x,i}||c_{y,i}|+K}{\sum _{i=1}^{N}|c_{x,i}|^{2}+\sum _{i=1}^{N}|c_{y,i}|^{2}+K}}{\bigg )}{\bigg (}{\frac {2|\sum _{i=1}^{N}c_{x,i}c_{y,i}^{*}|+K}{2\sum _{i=1}^{N}|c_{x,i}c_{y,i}^{*}|+K}}{\bigg )}}

أينجx{\displaystyle c_{x}}هو التحويل الموجي المعقد للإشارةx{\displaystyle x}وجy{\displaystyle c_{y}}هو تحويل المويجات المعقدة للإشارةy{\displaystyle y}. بالإضافة إلى ذلك،ك{\displaystyle K}هو عدد موجب صغير يُستخدم لأغراض استقرار الدالة. من الناحية المثالية، يجب أن يكون صفرًا. ومثل مؤشر SSIM، فإن مؤشر CW-SSIM له قيمة قصوى تبلغ 1. تشير القيمة القصوى 1 إلى أن الإشارتين متشابهتان تمامًا من الناحية الهيكلية، بينما تشير القيمة 0 إلى عدم وجود تشابه هيكلي. [ 13 ]

SSIMPLUS

يعتمد مؤشر SSIMPLUS على مؤشر SSIM وهو أداة متاحة تجاريًا. [ 14 ] وهو يُوسّع إمكانيات SSIM، لا سيما لتطبيقات الفيديو. يُقدّم المؤشر درجات تتراوح بين 0 و100، مُرتبطة خطيًا بالتقييمات البشرية الذاتية. كما يُتيح تكييف الدرجات مع جهاز العرض المُستهدف، ومقارنة الفيديو عبر مختلف الدقة والمحتويات.

بحسب مؤلفيها، يحقق برنامج SSIMPLUS دقة وسرعة أعلى من مقاييس جودة الصور والفيديوهات الأخرى. مع ذلك، لم يُجرَ أي تقييم مستقل لبرنامج SSIMPLUS، لأن الخوارزمية نفسها غير متاحة للعموم.

cSSIM

من أجل إجراء مزيد من التحقيق في SSIM المنفصل القياسي من منظور نظري، تم تقديم SSIM المستمر (cSSIM) [ 15 ] ودراسته في سياق استيفاء دالة الأساس الشعاعي .

محاكاة

يُعدّ كلٌّ من SSIMULACRA وSSIMULACRA2 نسختين مُعدّلتين من SSIM، طوّرتهما شركة Cloudinary بهدف مُلاءمتهما لبيانات الآراء الشخصية. تعمل هاتان النسختان في فضاء ألوان XYB ، وتجمعان بين MS-SSIM ونوعين من خرائط الخطأ غير المتماثلة لمعالجة تشوّهات الصورة (التكتّل/الرنين) والتنعيم/الضبابية، وهما من عيوب الضغط الشائعة. SSIMULACRA2 جزءٌ من libjxl، وهي النسخة المرجعية لتطبيق JPEG XL . [ 16 ] [ 17 ]

تعديلات بسيطة أخرى

يعتمد مقياس الارتباط المتقاطع r* على مقاييس التباين في SSIM. ويُعرَّف على النحو التالي: r*(x, y) = σxy / σxσy عندما يكون σxσy ≠ 0 ، و 1 عندما يكون كلا الانحرافين المعياريين صفرًا ، و 0 عندما يكون أحدهما فقط صفرًا. وقد استُخدم في تحليل استجابة الإنسان لنماذج التباين والتفاصيل . [ 18 ]

استُخدمت تقنية SSIM أيضًا على تدرج الصور، مما جعلها تُعرف باسم "G-SSIM". وتُعدّ G-SSIM مفيدة بشكل خاص للصور الضبابية. [ 19 ]

يمكن دمج التعديلات المذكورة أعلاه. على سبيل المثال، 4-Gr* هو مزيج من 4-SSIM وG-SSIM وr*. وهو قادر على عكس تفضيلات أخصائي الأشعة للصور بشكل أفضل بكثير من متغيرات SSIM الأخرى التي تم اختبارها. [ 20 ]

طلب

تُستخدم تقنية SSIM في حلّ مجموعة متنوعة من المشكلات المختلفة. ومن الأمثلة على ذلك:

  • ضغط الصور: في ضغط الصور مع فقدان البيانات ، تُحذف بعض المعلومات عمدًا لتقليل مساحة تخزين الصور والفيديوهات. يُستخدم متوسط ​​مربع الخطأ (MSE) عادةً في هذه الطرق. ووفقًا لمؤلفيه، يُقترح استخدام مؤشر تشابه الصور الهيكلي (SSIM) بدلًا من MSE للحصول على نتائج أفضل للصور بعد فك الضغط. [ 13 ]
  • ترميم الصور: يركز ترميم الصور على حل المشكلةy=ح*x+ن{\displaystyle y=h*x+n}أينy{\displaystyle y}هذه هي الصورة الضبابية التي يجب استعادتها.ح{\displaystyle h}هي نواة التمويه،ن{\displaystyle n}الضوضاء المضافة وx{\displaystyle x}هي الصورة الأصلية التي نرغب في استعادتها. المرشح التقليدي المستخدم لحل هذه المشكلة هو مرشح وينر. مع ذلك، يعتمد تصميم مرشح وينر على متوسط ​​مربع الخطأ (MSE). يُزعم، وفقًا لمؤلفي الخوارزمية، أن استخدام أحد متغيرات مؤشر تشابه الصورة الهيكلي (SSIM)، وتحديدًا Stat-SSIM، يُنتج نتائج بصرية أفضل. [ 13 ]
  • التعرف على الأنماط: نظرًا لأن مؤشر تشابه الصور الهيكلي (SSIM) يحاكي جوانب من الإدراك البشري، فإنه يُمكن استخدامه للتعرف على الأنماط. عند مواجهة مشكلات مثل تغيير حجم الصور، والتحريك، والتدوير، يرى مطورو الخوارزمية أنه من الأفضل استخدام CW-SSIM، [ 21 ] الذي لا يتأثر بهذه التغيرات، ويمكن تطبيقه مباشرةً عن طريق مطابقة القوالب دون الحاجة إلى أي عينة تدريبية. ولأن أساليب التعرف على الأنماط القائمة على البيانات قد تُحقق أداءً أفضل عند توفر كمية كبيرة من البيانات للتدريب، يقترح المطورون استخدام CW-SSIM في هذه الأساليب. [ 21 ]

مقارنة الأداء

نظراً لشعبيته، يُقارن مؤشر SSIM غالباً بمقاييس أخرى، بما في ذلك مقاييس أبسط مثل MSE وPSNR، ومقاييس أخرى لجودة الصور والفيديوهات . وقد أثبتت الدراسات مراراً وتكراراً تفوق SSIM بشكل ملحوظ على MSE ومشتقاته من حيث الدقة، بما في ذلك أبحاث أجراها مؤلفوه أنفسهم وغيرهم. [ 7 ] [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ]

تزعم ورقة بحثية لدوسلمان ويانغ أن أداء مؤشر تشابه الصور الهيكلي (SSIM) "أقرب بكثير إلى أداء متوسط ​​مربع الخطأ" مما يُفترض عادةً. وبينما لا يُنكران تفوق SSIM على MSE، فإنهما يُشيران إلى وجود علاقة تحليلية ووظيفية بين المقياسين. [ 8 ] ووفقًا لبحثهما، وُجد أن SSIM يرتبط ارتباطًا وثيقًا بالأساليب القائمة على MSE على قواعد بيانات ذاتية أخرى غير قواعد بيانات مُنشئي SSIM. كمثال، يستشهدان بريبمان وبول، اللذين وجدا أن MSE يتفوق على SSIM على قاعدة بيانات تحتوي على فيديو مُتأثر بفقدان الحزم. [ 27 ] وفي ورقة بحثية أخرى، تم تحديد رابط تحليلي بين نسبة الإشارة إلى الضوضاء (PSNR) وSSIM. [ 28 ]

انظر أيضاً

مراجع

  1. ↑ وانغ، تشو؛ بوفيك، أ.س؛ شيخ، هـ.ر؛ سيمونسيلي، إ.ب (1 أبريل 2004). "تقييم جودة الصورة: من وضوح الخطأ إلى التشابه الهيكلي". معاملات IEEE في معالجة الصور . 13 (4): 600-612 . رمز Bibcode : 2004ITIP...13..600W . CiteSeerX 10.1.1.2.5689 . doi : 10.1109/TIP.2003.819861 . ISSN 1057-7149 . PMID 15376593. S2CID 207761262 .    
  2. ↑ "جوجل سكولار" . scholar.google.com . تم الاطلاع عليه بتاريخ 4 يوليو 2019 .
  3. ↑ "جائزة أفضل ورقة بحثية من جمعية معالجة الإشارات التابعة لمعهد مهندسي الكهرباء والإلكترونيات" (ملف PDF) .
  4. 1 2 3 4 وانغ، ز.؛ سيمونسيلي، إي. بي.؛ بوفيك، أ. سي. (1 نوفمبر 2003). "التشابه الهيكلي متعدد المقاييس لتقييم جودة الصورة". المؤتمر السابع والثلاثون لأسيلومار حول الإشارات والأنظمة والحواسيب، 2003. المجلد 2. الصفحات 1398-1402. CiteSeerX 10.1.1.58.1939 . doi : 10.1109/ACSSC.2003.1292216 . ISBN    978-0-7803-8104-9. S2CID 60600316 . 
  5. 1 2 برونيه، د.؛ فاس، ج.؛ فرسكاي، إي آر؛ وانغ، ز. (أبريل 2012). "حول الخصائص الرياضية لمؤشر التشابه الهيكلي" (ملف PDF) . معاملات IEEE في معالجة الصور . 21 (4): 2324-2328 . Bibcode : 2012ITIP...21.1488B . doi : 10.1109/TIP.2011.2173206 . PMID: 22042163. S2CID : 13739220 .  
  6. وانغ ، ز .؛ لو، ل.؛ بوفيك، أ.س. (فبراير 2004). "تقييم جودة الفيديو بناءً على قياس التشوه الهيكلي" . معالجة الإشارات: اتصالات الصور . 19 (2): 121-132 . CiteSeerX 10.1.1.2.6330 . doi : 10.1016/S0923-5965(03)00076-6 . 
  7. 1 2 3 سوغارد، جاكوب؛ كراسولا، لوكاس؛ شهيد، محمد؛ تيميل، دوغانكان؛ برونستروم، كيل؛ رزاق، منظور (14 فبراير 2016). "مدى قابلية تطبيق المقاييس الموضوعية الحالية للجودة الإدراكية لبث الفيديو التكيفي" (ملف PDF) . التصوير الإلكتروني . 2016 (13): 1-7 . doi : 10.2352/issn.2470-1173.2016.13.iqsp-206 . S2CID 26253431 . 
  8. 1 2 دوسلمان، ريتشارد؛ يانغ، شو دونغ (2009-11-06). "تقييم شامل لمؤشر التشابه الهيكلي". معالجة الإشارات والصور والفيديو . 5 (1): 81-91 . doi : 10.1007/s11760-009-0144-1 . ISSN 1863-1703 . S2CID 30046880 .  
  9. ↑ لي، تشاوفينغ؛ بوفيك، آلان كونراد (2010-01-01). "تقييم جودة الفيديو الموزون بالمحتوى باستخدام نموذج صورة ثلاثي المكونات". مجلة التصوير الإلكتروني . 19 (1): 011003–011003–9. رمز Bibcode : 2010JEI....19a1003L . doi : 10.1117/1.3267087 . ISSN 1017-9909 . 
  10. ↑ لي، تشاوفينغ؛ بوفيك، آلان سي. (أغسطس 2010). "مؤشر التشابه الهيكلي المُقسّم للمحتوى لتقييم جودة الصورة". معالجة الإشارات: اتصالات الصور . 25 (7): 517-526 . doi : 10.1016/j.image.2010.03.004 .
  11. ↑ "صفحة إعادة التوجيه" . www.compression.ru .
  12. ↑ وانغ، ز.؛ لي، كيو. (ديسمبر 2007). "تقييم جودة الفيديو باستخدام نموذج إحصائي لإدراك سرعة الرؤية البشرية" (ملف PDF) . مجلة الجمعية البصرية الأمريكية أ . 24 (12): B61– B69. Bibcode : 2007JOSAA..24...61W . CiteSeerX 10.1.1.113.4177 . doi : 10.1364/JOSAA.24.000B61 . PMID 18059915 .  
  13. 1 2 3 تشو وانغ؛ بوفيك، أ.س. (يناير 2009). "متوسط ​​مربع الخطأ: هل هو مناسب أم لا؟ نظرة جديدة على مقاييس دقة الإشارة". مجلة معالجة الإشارات IEEE . 26 (1): 98-117 . Bibcode : 2009ISPM...26...98W . doi : 10.1109/msp.2008.930649 . ISSN 1053-5888 . S2CID 2492436 .  
  14. ↑ رحمان، أ.؛ زينغ، ك.؛ وانغ، تشو (فبراير 2015). روغوفيتز، بيرنيس إي؛ باباس، ثراسيفولوس ن؛ دي ريدر، هوييب (محررون). "تقييم جودة تجربة الفيديو المُكيَّف مع جهاز العرض" (ملف PDF) . IS&T-SPIE التصوير الإلكتروني، الرؤية البشرية والتصوير الإلكتروني XX . الرؤية البشرية والتصوير الإلكتروني XX. 9394 : 939406. Bibcode : 2015SPIE.9394E..06R . doi : 10.1117/12.2077917 . S2CID 1466973 . 
  15. ↑ ماركيتي، ف. (يناير 2021). "معدل التقارب بدلالة مؤشر SSIM المستمر (cSSIM) في استيفاء RBF" (ملف PDF) . ملاحظات بحثية حول التقريب . 14 : 27-32 .
  16. ↑ "SSIMULACRA 2 - التشابه الهيكلي يكشف عن التشوهات المحلية والمتعلقة بالضغط" . كلاوديناري. 12 يوليو 2023.
  17. ↑ "الكشف عن التأثير النفسي البصري للتشوهات الناتجة عن الضغط باستخدام SSIMULACRA" . مدونة كلاوديناري . 14 يونيو 2017.
  18. ↑ برييتو، غابرييل؛ غيبيلالدي، إدواردو؛ شوفالييه، مارغريتا؛ توريرو، أغوستين (21 يوليو 2011). "استخدام مُكَوِّن الارتباط المتبادل لمقياس التشابه الهيكلي متعدد المقاييس (مقياس R*) لتقييم الصور الطبية: مقياس R* لتقييم الصور الطبية". الفيزياء الطبية . 38 (8): 4512-4517 . doi : 10.1118/1.3605634 . PMID 21928621 . 
  19. ↑ تشين، غوان هاو؛ يانغ، تشون لينغ؛ شي، شنغ لي (أكتوبر 2006). "التشابه الهيكلي القائم على التدرج لتقييم جودة الصورة". المؤتمر الدولي لمعالجة الصور 2006. الصفحات 2929-2932 . doi : 10.1109/ICIP.2006.313132 . ISBN  1-4244-0480-0. S2CID 15809337 . 
  20. ^ رينيبلاس، غابرييل بريتو. نوغيس، أوغوستين توريرو؛ غونزاليس، ألبرتو مونيوز؛ غوميز ليون، نيفيس؛ ديل كاستيلو، إدواردو غيبيلالد (26 يوليو 2017). "عائلة مؤشر التشابه الهيكلي لتقييم جودة الصورة في الصور الإشعاعية" . مجلة التصوير الطبي . 4 (3) 035501. دوى : 10.1117/1.JMI.4.3.035501 . بمك 5527267 . بميد 28924574 .  
  21. 1 2 غاو، ي.؛ رحمان، أ.؛ وانغ، ز. (سبتمبر 2011). تصنيف الصور باستخدام CW-SSIM (ملف PDF) . المؤتمر الدولي لمعالجة الصور IEEE (ICIP11).
  22. ↑ تشانغ، لين؛ تشانغ، لي؛ مو، إكس؛ تشانغ، دي. (سبتمبر 2012). "تقييم شامل لخوارزميات تقييم جودة الصورة المرجعية الكاملة". المؤتمر الدولي التاسع عشر لمعالجة الصور التابع لمعهد مهندسي الكهرباء والإلكترونيات لعام 2012. الصفحات 1477-1480 . CiteSeerX 10.1.1.476.2566 . doi : 10.1109/icip.2012.6467150 . ISBN   978-1-4673-2533-2. S2CID 10716320 . 
  23. ↑ تشو وانغ؛ وانغ، تشو؛ لي، تشيانغ (مايو 2011). "ترجيح محتوى المعلومات لتقييم جودة الصورة الإدراكية". معاملات IEEE في معالجة الصور . 20 (5): 1185-1198 . Bibcode : 2011ITIP...20.1185W . doi : 10.1109/tip.2010.2092435 . PMID 21078577. S2CID 106021 .  
  24. ↑ تشانابايا، إس إس؛ بوفيك، إيه سي؛ كارامانيس، سي؛ هيث، آر دبليو (مارس 2008). "استعادة الصور الخطية المثلى باستخدام SSIM". المؤتمر الدولي IEEE لعام 2008 حول الصوتيات والكلام ومعالجة الإشارات . الصفحات 765-768 . CiteSeerX 10.1.1.152.7952 . doi : 10.1109/icassp.2008.4517722 . ISBN   978-1-4244-1483-3. S2CID 14830268 . 
  25. ↑ غور، أكشاي؛ غوبتا، سافيتا (2015-02-01). "مقاييس جودة الصورة المرجعية الكاملة للصور المضغوطة بصيغة JPEG". مجلة AEU الدولية للإلكترونيات والاتصالات . 69 (2): 604-608 . doi : 10.1016/j.aeue.2014.09.002 .
  26. ↑ وانغ، ز.؛ سيمونسيلي، إي. بي. (سبتمبر 2008). "منافسة التمايز الأقصى (MAD): منهجية لمقارنة النماذج الحسابية للكميات الإدراكية" ( ملف PDF) . مجلة الرؤية . 8 (12): 8.1-13. doi : 10.1167/8.12.8 . PMC 4143340. PMID 18831621 .  
  27. ↑ ريبمان، أ. ر.؛ بول، د. (سبتمبر 2007). "توصيف عيوب فقدان الحزم في الفيديو المضغوط". المؤتمر الدولي لمعالجة الصور IEEE لعام 2007. المجلد 5. الصفحات V-77–V-80. CiteSeerX 10.1.1.159.5710 . doi : 10.1109/icip.2007.4379769 . ISBN    978-1-4244-1436-9. S2CID 1685021 . 
  28. ↑ هور، أ.؛ زيو، د. (أغسطس 2010). "مقاييس جودة الصورة: PSNR مقابل SSIM". المؤتمر الدولي العشرون للتعرف على الأنماط 2010. الصفحات 2366-2369. doi : 10.1109 /icpr.2010.579 . ISBN  978-1-4244-7542-1. S2CID 9506273 .